首页 > 科技快讯 > CMU计算机及心理学系教授Ken Koedinger:用AI探索高效学习的边界 | AIAED全球AI智适应教育峰会

CMU计算机及心理学系教授Ken Koedinger:用AI探索高效学习的边界 | AIAED全球AI智适应教育峰会

2019年5月24-25日,第三届AIAED全球AI智适应教育峰会召开。“人工智能+”这两年快速兴起,其中人工智能和教育因为其天然的结合基础,获得了快速融合发展。为了更好地推动人工智能教育产业的发展,打通行业信息流动通道,推动全球的科研机构、投资机构、教育机构形成合力,36氪联合乂学教育-松鼠AI等产业链头部机构举办第三届AIAED全球AI智适应教育峰会,旨在“在全球普及人工智能教育,推动人工智能技术对教育的改变和发展,为了人类更好的教育公平性和教育成果做出贡献”。

曾经马车是人们出行时,效率最高的工具,而到了如今,我们拥有了汽车和飞机,出行速度提高了十倍以上。在越来越追求效率的今天,我们更想要探索学习能力的最大边界,追求学习效率的大幅提升,而CMU计算机及心理学系教授、Cognitive Tutor软件的开发领导者Ken Koedinger教授演讲就认为,如果我们能让AI 和教育结合,把学习科学融入到日常的学习中去,构建学习工程的框架,学生的学习效率也会较之今天提高十倍以上。

以下是经整理后的演讲全文:

非常高兴来到这里。我今天想要谈一谈,我们怎么样让AI和教育变得更高效,怎么通过把学习科学融入其中,做到从学习科学,到学习工程。

我在上个世纪90年代开发了Cognitive Tutor软件,把AI和学习科学结合在一起。我们可以看看在这个系统当中,AI会发挥什么样的角色——其中有一个项目就是学生参与其中,解决真实场景中的问题。学生会参与一个电话会议,通过不同的表格、图表来处理信息。如果他们需要帮助的话,整个过程中会有一个AI老师,为他们提供辅助。学生可以制作一些量化表,对比不同的方案。这个系统可以指导学生,告诉他们,他们遗忘了哪些关键的信息。如果他们需要帮助,需要指导,可以随时让老师提示他们。

我想强调的一点是,在常规的课堂当中,所有的学生得到的,都是一成不变的指导,而在我们这个系统当中,每个学生得到的指导,都是根据他们的需求,个性化定制的。这不仅是解决学习这一个问题,更是会关乎学生的发展。我们会及时追踪学生的发展,通过这样的算法,我们还可以检测到学生在哪里犯了错误,哪里需要协助,帮助他们持续提升表现,这就是AI能够做到的改变。

在这个专家体系当中,我们还有各种办法,去预测学生可能会犯的错误。我们有两个关键的算法,第一个是模型追踪,在AI的帮助下,大家会产生一个计划的认识,学生可以理解到他们最核心的竞争力,然后我们可以提供一些基于场景的指导。当学生犯了错误之后,或者当他们不再需要提示的时候,我们就把他们推到下一步,借此来控制学生的学习过程,学生在得到帮助之后,会回复是否取得进步。然后每个学生会生成自己的知识轨迹,我们可以通过这个知识轨迹来评测学生学习的成长过程,以及他们知识学习的过程。

另一方面,这样的学习轨迹还展示了学生对每个关键知识的掌握程度,也能够把课程进行个性化。我们用了很多的数据来优化整个办法。但是在这里我想说一下,我们做了很多的研究,始于90年代早期,去评测这个系统的有效性。我们在140多个学校当中做了这个随机的实验,用认知教师来帮助学生。对比传统的教学办法,用了认知教师的学生,他们的学习结果在一年过后,比传统的大学要好得多。

这个课程不仅限于大学课程,我们还在开放学习的过程当中,测试了很多不同的学科,还有很多不同的场景和内容。一个非常令人震惊的研究结果就是,所有这些数据课程,都是由数据驱动的。我们比较了传统大学课程,和现在智适应数据驱动的课程,在这个课程当中,我们的教学时间只有半个学期,学生在其中得到这种基于数据化的教学和指导,然后老师也能看到学生的数据,他们只要花一半的学习时间,此外的时间会用来解决这些数据所显示的,学生需要解决的问题。所以他们的沟通非常的高效和频繁,最后的结果就是,学生们可以成就更多,也就是说事倍功半。

我们其实还可以做得更好。我们都知道因为有了汽车,让我们的交通更加高效了,而现在的教育方式,就相当于变成了飞机一样,一起来看看,我们如何从汽车到飞机的。

首先只有应用和学习是不够的,在美国,我们也有很多随机对照的实验,帮助我们去找到方法,但是我们最后的结果不太好,因为只有10%左右的研究,给我们带来了非常积极的结果,其他都是不太理想的。如果我们是不同的学习科学家,我们必须要对不同的教育进行优化,说到这些优化的时候,大家是有不同的见解。

第一,我们得考虑我们到底有多少教学的方式,有人会说我们有直接指导的方式,但是我们通过这样的直接教育方式,必须要从基础开始提供更多的支持。但是有些人说不能这样做,必须以逻辑基础来进行学习,所以这两者的区别是非常非常的不同。说到具体,它们更是不一样,并且涵盖了很多不同的方方面面。

我们是不是要让学生考试,或者是问他们课堂的问题,而是一半对一半,然后再把这两个方面,和另外三个方向进行结合。说到方方面面,至少现在已经有30多个不同的方面,所以教学不单单只是有两种方式,我们其实是一共有250万亿的方式,这是一个很大的数据,这也是一个很大的挑战。

因此深度学习的象限到底怎么来处理呢?

这其中包括很多的可能性,也包括很多的机遇,这也说明了我们为什么把这个技术用在教育上面。

在计划的推进过程中,我们可以看到不同的意见和建议,建议就是让我们更多的重视课堂小考,做大量的问题解决,比如说小测试。但是这个报告当中还有另外一个推荐,说的是完全相反的,说我们可能过多重视解决问题了,我们需要给更多的例子才行。现在我想解释一下,为什么在推荐的方案当中,居然还有这么大的矛盾,我们如何才能解决这样的矛盾呢?

为了解决这样的矛盾,其实在学习的时候,有一个工程建造的过程,我们必须得知道不同的学习方法是如何支持学习的,因为它们有不同的效果;以及我们最终需要有什么样的学习结果,包括学习之后,我们希望有怎样的最终结果。

我们必须要找到相关的功能,来支持最终的学习结果,当然也不能停滞在这,必须要开发出来新的系统,来帮助我们进行更多的筛选。

那么我们是如何来做的呢?非常幸运,在美国我们得到了国家科学基金会的基金,在过去的十年当中,拿到了5千万的投资,在匹兹堡学习中心进行各种各样的学习解决方案的研究,而且探寻它们的应用。我们也把各种各样的学习研究中心放在了学校当中,可以直接在学生的身上来进行研究,从而能对试验进程进行更好的观察和监控。

这是一个非常复杂的框架,里面有三个分类,最下面的第一个就是知识的组分。虽然说知识组分看起来非常简单,但其实它是非常复杂的,因为我们分了好几层,比如说像知识,学生在美国学习中文词汇的时候,肯定是有一些技能的,这些技能都是实时要进行的,这是我们的指导教师的方面。比如说像几何或者是代数,还有原认知的东西,甚至还有一些软的技能也是非常关键的,这就属于规则。

但是不管怎么样,一切还是要取决于我们到底是最终要达到什么样的知识学习目标,因此智适应学习就非常重要,我们需要不同的机制,而且根据不同的机制建立不同的指导原则,这就要求大家所要学习的知识,和正确的教学方式进行匹配,可能还会更复杂。

比如我们是有课堂的对话,像词汇的学习,如果说对话,其实是非常消极,因为它会占教师和学生的时间。不管怎么样,这样的框架可以解决相关的冲突,而且有一些不同的学科也在不断的探索不同的学习过程,从而我们就知道到底我们可以做一些什么东西,但是关键在于要看不同的作用,以及对最后学习结果的影响。

如果说在学习科学当中最重要的一课是什么,那就是对非常复杂的学习能力的建设,还有就是有效的合作,并且要有同理心。有些人天生就可以做得很好,但是有些人在做的时候,就需要花更多的努力,才能更好的成长,更好的培养这些能力。实际上我们在研究天才的时候,会发现这些天才其实也是非常努力的,比如莫扎特在16岁就写了第一部交响曲,其实他在6岁的时候就开始学作曲了,花了十年的时间才写了第一部交响曲。还有比尔盖茨,还有国际象棋大师,以及披头士乐队,其实他们之前都是在车库里面花了很多的时间来操练,也是花了十年的时间才最终成为大师的。

对于学术来讲也是如此,比如说阅读、写作、教学和数学之类的,也是需要花很多的时间。刻意练习是非常重要的。说到刻意教学和练习是有几个非常重要的组成部分,第一,我们必须努力工作,从而提高绩效。第二,我们得有足够的内在动机,从而让我们参与到任务当中来。第三,必须要考虑到自己的弱点,因为我们在进行指导的原则设计的时候,必须要保证任务,必须要放在我们不擅长的地方,这也是我们可以利用数据的地方,我们可以通过数据知道这个学习者的弱点在什么地方。第四就是反馈,因为反馈可以让学生在长期不断的反复,不断的操练,但是我们如何才能够让这个练习更加的个性化呢?

我们在这当中所做的,是基于数据发现需求,然后去关注学生的这个需求,然后创造了非常独立的实践。这不是一个AI的魔法,但是设计得非常好,我们让学生做的就是,提出一个解题的计划和方案,然后告诉他们这个解题方案是不是正确的,最后实现了闭环。通过这样的方法,我们让学生在半个小时里面,学习了更多的知识,我们给学生设计解题方案的时间,减少了传统老师教授的时间,时间节约了25%。

有的人说我不关心时间,但是大多数的家长,如果你们的孩子在上大学的时间能够从四年降到三年,他们会省25%的学费。同时学习的效果也好很多,因此这是非常有前景的,有希望的。我们不仅可以应用科学,还能够实现迭代,收集更多的数据,用数据给我们提供更多的视角,再去设计这样的方案,然后实现这样的循环,设计数据部署,这不仅是关于AI的设计交互,也是我们在技术研究领域所应该做的。

最后我想说,还有非常关键的一步,就是刻意的练习,这是学生使用时间的关键,学生需要多加练习,形成准确的评估。松鼠AI这样的体系,只要学生愿意去用它,就是非常好的,如果学生不用,肯定不会有提升。当我们看数据的时候,我们会发现,不是所有的课堂都能用这样的工具,在购买了这些系统的地方,那些使用辅导老师超过40个小时的学校,能收到非常好的效果,但目前这样的学校是非常少的。

Y轴是学生学习的效果,X轴是显示的时间,投入越多,获得的成果就越好。大家可以看到,很多的学校没有太多的时间来使用这个系统,因此学校的老师也需要自己去做正确的选择。即使学校买了,老师也可能不经常用,学生层面可能也是类似的问题。

我们有不同的方法去干预学生的行为,帮助他们学习动机,这就是我们的大计划,我希望更多的人可以参与进来,帮助我们执行这个计划,从两倍到十倍的学习,因此我们只需要一起去行动,学习科学是一个很好的开始,迭代工程是可靠的学习科学的关键。

大家现在会发现,我们可以从两倍的提升飞跃到十倍的提升,从汽车时代直接迈入飞机时代,我也邀请大家同我们合作,到达这样一个美好的未来。

相关推荐

CMU计算机及心理学系教授Ken Koedinger:用AI探索高效学习的边界 | AIAED全球AI智适应教育峰会
CMU计算机学院院长Tom Mitchell:教育领域中,全球的合作和协作非常重要 | AIAED全球AI智适应教育峰会
乂学教育松鼠AI创始人栗浩洋:知识地图是实现“哪里不会学哪里”的关键| AIAED全球AI智适应教育峰会
AI教育学术大会主席Rose Luckin:AI将前所未有地赋能人类 | AIAED全球AI智适应教育峰会
立思辰AI实验室主任张文铸:AI和教育的结合,将带来更高效更公平的学习机会 | AIAED全球AI智适应教育峰会
观察+ | 从“自适应”到“智适应”,一个新的AI教育时代
CMU教授邢波出任全球最富AI大学校长,曾师从图灵奖得主
AI 在教育里的想像与边界
AI筛查自闭症起源突变基因,还能解锁你的艺术细胞?
普林斯顿计算机教授炮轰“伪AI”:精心炮制的随机数生成器罢了

网址: CMU计算机及心理学系教授Ken Koedinger:用AI探索高效学习的边界 | AIAED全球AI智适应教育峰会 http://m.xishuta.com/newsview5351.html

所属分类:互联网创业